【技术实现步骤摘要】
本申请涉及人工智能，可广泛用于金融场景中，尤其涉及一种收益预测方法、装置、电子设备及存储介质。
技术介绍
1、因子分析法是投资分析领域经典的应用模型之一，广泛应用于各个资产管理机构。因子分析法主要通过分析决定某个资产收益的最重要的因子，以及该因子的敏感性，进而通过收集因子数据来预测该资产未来一段时间的收益率。然而，传统的因子分析模型存在极大的不稳定性问题，由于经济形势永远在不断变化，经过几个月训练出的模型，往往只能有效使用一到两个月，后续就要调整参数，并且该调参过程依赖开发人员对经济周期、宏观政策的预判，使得该模型的维护难度极大，很难保持长期有效性；且人工调参严重依赖工程师的经验，使得模型的准确度较低。
技术实现思路
1、本申请实施例的主要目的在于提出一种收益预测方法、装置、电子设备及存储介质，旨在提高收益预测的准确性。具体地，对于金融领域的资产收益预测，缓解相关技术中的模型准确度不佳的技术问题。
2、为实现上述目的，本申请实施例的第一方面提出了一种收益预测方法，所述方法包括：获取若干因子数据和历史收益数据；所述因子数据用于表征与待预测资产的收益相关的因子，所述历史收益数据用于表征与所述因子数据对应的收益；确定第一参数的初始值，并根据所述初始值从所述若干因子数据和历史收益数据中选择第一数据集；根据所述第一数据集，确定第一预测模型；所述第一参数用于表征与所述第一预测模型相关的若干参数；通过爬山算法，调整所述初始值，基于所述第一预测模型的预测准确率对所述第一预测模型进行寻优
3、在一些实施例，所述通过爬山算法，调整所述初始值，基于所述第一预测模型的预测准确率对所述第一预测模型进行寻优操作，得到调优后的第二预测模型，包括：
4、通过若干服务器建立各所述服务器的第一预测模型，并对每个所述服务器的第一预测模型进行寻优操作，得到若干第二预测模型；
5、所述根据所述第二预测模型，对所述待测资产进行收益预测操作，得到预测结果，包括：
6、根据每个第二预测模型的预测准确率，确定每个服务器的奖励权重；
7、根据所述若干第二预测模型和所述奖励权重，对所述待测资产进行收益预测，得到预测结果。
8、在一些实施例，所述根据所述若干第二预测模型和所述奖励权重，对所述待测资产进行收益预测，得到预测结果，包括：
9、根据所述奖励权重，更新所述初始值，并对所述若干第二预测模型进行更新和选择操作，得到第三预测模型；
10、根据所述第三预测模型，对所述待测资产进行收益预测，得到预测结果。
11、在一些实施例，所述第一参数包括数据时长、因子数和幂指数，所述确定第一参数的初始值，并根据所述初始值从所述若干因子数据和历史收益数据中选择第一数据集，根据所述第一数据集，确定第一预测模型，包括以下步骤：
12、根据所述数据时长，确定第一预设时长；所述第一预设时长用于表征测试集中的收益数据对应的产生时间；
13、根据所述第一预设时长，从所述历史收益数据中选择第一收益数据；
14、将所述若干因子数据按照初始权重由小到大或由大到小的顺序进行排序，根据所述因子数，选择前若干个所述因子数据加入到第一因子集中；所述第一数据集包括所述第一因子集；
15、根据所述幂指数，确定所述第一因子集中的每个因子数据对应的第一多项式；
16、根据所述第一多项式，建立所述第一预测模型；
17、通过所述第一收益数据对所述第一预测模型进行参数估计，得到每个因子数据对应的第一敏感值；
18、根据所述第一敏感值，更新所述第一预测模型。
19、在一些实施例，第一预测模型的预测准确率通过以下步骤确定：
20、根据所述数据时长，确定第二预设时长；所述第二预设时长用于表征验证集中的收益数据对应的产生时间；
21、根据所述第二预设时长，从所述历史收益数据中选择第二收益数据，并确定所述第二收益数据对应的第二因子集；
22、将所述第二因子集输入所述第一预测模型，得到第二预测收益；
23、根据所述第二预测收益与所述第二收益数据，确定所述第一预测模型的预测准确率。
24、在一些实施例，所述方法还包括：
25、根据所述因子数据与收益数据的第一相关性，确定初始权重；所述初始权重与所述第一相关性正相关；
26、或者，根据所述因子数据之间的第二相关性，确定初始权重；所述初始权重与所述第二相关性负相关。
27、在一些实施例，第一参数包括数据时长，所述数据时长的初始值包括第一时长；所述通过爬山算法，调整所述初始值，基于所述第一预测模型的预测准确率对所述第一预测模型进行寻优操作，得到调优后的第二预测模型，包括：
28、确定基于第一时长的第一预测模型的第一准确率；
29、以第一预设阈值为步幅降低所述第一时长，得到第二时长；
30、根据所述第二时长，构建第四预测模型，并确定所述第四预测模型的第二准确率；
31、以所述第一预设阈值为步幅增大所述第一时长，得到第三时长；
32、根据所述第三时长，构建第五预测模型，并确定所述第五预测模型的第三准确率；
33、将所述第一准确率、所述第二准确率和所述第三准确率按照递增的顺序排序，确定排名第一的准确率为第四准确率；
34、调整所述第一时长，更新所述第四准确率，直至连续预设次的更新后的第四准确率相同，确定更新后的第四准确率对应的预测模型为第二预测模型。
35、为实现上述目的，本申请实施例的第二方面提出了一种收益预测装置，所述装置包括：
36、第一模块，用于获取若干因子数据和历史收益数据；所述因子数据用于表征与待预测资产的收益相关的因子，所述历史收益数据用于表征与所述因子数据对应的收益；
37、第二模块，用于确定第一参数的初始值，并根据所述初始值从所述若干因子数据和历史收益数据中选择第一数据集；根据所述第一数据集，确定第一预测模型；所述第一参数用于表征与所述第一预测模型相关的若干参数；
38、第三模块，用于通过爬山算法，调整所述初始值，基于所述第一预测模型的预测准确率对所述第一预测模型进行寻优操作，得到调优后的第二预测模型；
39、第四模块，用于根据所述第二预测模型，对所述待测资产进行收益预测操作，得到预测结果。
40、为实现上述目的，本申请实施例的第三方面提出了一种电子设本文档来自技高网...
【技术保护点】
1.一种收益预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的收益预测方法，其特征在于，所述通过爬山算法，调整所述初始值，基于所述第一预测模型的预测准确率对所述第一预测模型进行寻优操作，得到调优后的第二预测模型，包括：
3.根据权利要求2所述的收益预测方法，其特征在于，所述根据所述若干第二预测模型和所述奖励权重，对所述待测资产进行收益预测，得到预测结果，包括：
4.根据权利要求1所述的收益预测方法，其特征在于，所述第一参数包括数据时长、因子数和幂指数，所述确定第一参数的初始值，并根据所述初始值从所述若干因子数据和历史收益数据中选择第一数据集，根据所述第一数据集，确定第一预测模型，包括以下步骤：
5.根据权利要求4所述的收益预测方法，其特征在于，所述第一预测模型的预测准确率通过以下步骤确定：
6.根据权利要求4所述的收益预测方法，其特征在于，所述方法还包括：
7.根据权利要求1所述的收益预测方法，其特征在于，所述第一参数包括数据时长，所述数据时长的初始值包括第一时长；所述通过爬山算法，调整所述初始值
8.一种收益预测装置，其特征在于，所述装置包括：
9.一种电子设备，其特征在于，所述电子设备包括存储器和处理器，所述存储器存储有计算机程序，所述处理器执行所述计算机程序时实现权利要求1至7任一项所述的收益预测方法。
10.一种计算机可读存储介质，所述计算机可读存储介质存储有计算机程序，其特征在于，所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的收益预测方法。
...【技术特征摘要】
1.一种收益预测方法，其特征在于，所述方法包括：
2.根据权利要求1所述的收益预测方法，其特征在于，所述通过爬山算法，调整所述初始值，基于所述第一预测模型的预测准确率对所述第一预测模型进行寻优操作，得到调优后的第二预测模型，包括：
3.根据权利要求2所述的收益预测方法，其特征在于，所述根据所述若干第二预测模型和所述奖励权重，对所述待测资产进行收益预测，得到预测结果，包括：
4.根据权利要求1所述的收益预测方法，其特征在于，所述第一参数包括数据时长、因子数和幂指数，所述确定第一参数的初始值，并根据所述初始值从所述若干因子数据和历史收益数据中选择第一数据集，根据所述第一数据集，确定第一预测模型，包括以下步骤：
5.根据权利要求4所述的收益预测方法，其特征在于，所述第一预测模型的预测准确率通过以下步骤...
【专利技术属性】
技术研发人员：温子寒，
申请(专利权)人：中国平安人寿保险股份有限公司，
类型：发明
国别省市：
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。